【摘要】：針對(duì)標(biāo)準(zhǔn)灰狼優(yōu)化(grey wolf optimization,GWO)算法存在后期收斂速度慢,求解精度不高,易出現(xiàn)早熟收斂現(xiàn)象等問(wèn)題,提出了一種基于對(duì)立學(xué)習(xí)策略和Rosenbrock局部搜索的混合灰狼優(yōu)化(hybrid GWO,HGWO)算法。該算法首先采用對(duì)立學(xué)習(xí)策略取代隨機(jī)初始化生成初始種群,以保證群體的多樣性;然后對(duì)當(dāng)前群體中最優(yōu)個(gè)體進(jìn)行Rosenbrock局部搜索,以增強(qiáng)局部搜索能力和加快收斂速度;最后為了避免算法出現(xiàn)早熟收斂現(xiàn)象,利用精英對(duì)立學(xué)習(xí)方法產(chǎn)生精英對(duì)立個(gè)體。對(duì)6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行仿真實(shí)驗(yàn),并與其他算法進(jìn)行比較,結(jié)果表明,HGWO算法收斂速度快,求解精度高。
【圖文】：

指慕滉WO算法用于求解約束優(yōu)化問(wèn)題，在改進(jìn)算法中，引入佳點(diǎn)集初始化種群個(gè)體，對(duì)當(dāng)前最優(yōu)個(gè)體執(zhí)行Powell局部搜索。針對(duì)標(biāo)準(zhǔn)GWO算法的缺點(diǎn)，本文利用對(duì)立學(xué)習(xí)策略取代隨機(jī)初始化生產(chǎn)初始種群；為了增強(qiáng)局部搜索能力和加快收斂速度，對(duì)當(dāng)前群體中最優(yōu)個(gè)體進(jìn)行Rosenbrock局部搜索；對(duì)當(dāng)前最優(yōu)個(gè)體執(zhí)行精英對(duì)立學(xué)習(xí)策略以避免算法出現(xiàn)早熟收斂現(xiàn)象，提出一種混合GWO算法。2灰狼優(yōu)化算法2.1灰狼群體捕食行為灰狼是頂級(jí)食肉動(dòng)物，其生活方式大多以群居為主，構(gòu)建了灰狼種群等級(jí)金字塔，并具有嚴(yán)格的等級(jí)管理制度，如圖1所示。摘要：針對(duì)標(biāo)準(zhǔn)灰狼優(yōu)化（greywolfoptimization，GWO）算法存在后期收斂速度慢，求解精度不高，易出現(xiàn)早熟收斂現(xiàn)象等問(wèn)題，提出了一種基于對(duì)立學(xué)習(xí)策略和Rosenbrock局部搜索的混合灰狼優(yōu)化（hybridGWO，HGWO）算法。該算法首先采用對(duì)立學(xué)習(xí)策略取代隨機(jī)初始化生成初始種群，以保證群體的多樣性；然后對(duì)當(dāng)前群體中最優(yōu)個(gè)體進(jìn)行Rosenbrock局部搜索，以增強(qiáng)局部搜索能力和加快收斂速度；最后為了避免算法出現(xiàn)早熟收斂現(xiàn)象，利用精英對(duì)立學(xué)習(xí)方法產(chǎn)生精英對(duì)立個(gè)體。對(duì)6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行仿真實(shí)驗(yàn)，并與其他算法進(jìn)行比較，結(jié)果表明，HGWO算法收斂速度快，，求解精度高。關(guān)鍵詞：灰狼優(yōu)化算法；Rosenbrock搜索；對(duì)立學(xué)習(xí)文獻(xiàn)標(biāo)志碼：A中圖分類號(hào)：TP301.6Fig.1Hierarchyofgreywolfpopulation圖1灰狼種群等級(jí)金字塔示意圖674

霾饈院

本文編號(hào)：2583092